Бакалавриат
2026/2027




Анализ данных на Python
ID 1259365
Статус:
Курс обязательный (Маркетинг и рыночная аналитика)
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 1 модуль
Онлайн-часы:
50
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Бондарева Софья Павловна,
Васясин Дмитрий Алексеевич,
Лисичкина Софья Николаевна,
Петросян Каролина Эдуардовна,
Цабина Валерия Александровна
Язык:
русский
Кредиты:
3
Контактные часы:
30
Программа дисциплины
Аннотация
Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных и направлен на формирование компетенций в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Также будут рассмотрены темы, связанные с основами машинного обучения. Дисциплина реализуется с помощью онлайн-курса «Учебник по Анализу данных (Базовый)» в SmartLMS (https://edu.hse.ru/course/view.php?id=136232).
Цель освоения дисциплины
- Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач.
Планируемые результаты обучения
- Находить ошибки в чужих функциях и справлять их.
- Открывать и создавать текстовые файлы.
- Считывать, обрабатывать и анализировать информацию из файлов.
- Реализовать предложенный пошаговый алгоритм решения задачи.
- Придумывать собственный алгоритм для решения задачи и реализовывать его.
- Использовать Python в применении к анализу данных.
- Корректно открывать табличные данные различных форматов.
- Фильтровать данные по нескольким условиям.
- Сортировать данные.
- Использовать собственноручно написанные функции для обработки данных, создания новых переменных.
- Создавать сводные таблицы.
- Вычислять описательные статистики и интерпретировать полученные результаты.
- Переводить значения признака в z-оценки.
- Обрабатывать пропущенные значения и выбросы.
- Вычислять релевантные описательные статистики и интерпретировать полученные результаты.
- Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты.
- Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой.
- Понимать и корректно использовать основные статистические понятия.
- Визуализировать данные с помощью различных диаграмм: тепловой карты, ящика с усами и других.
- Создавать интерактивные визуализации.
- Реализовывать разведочный анализ данных.
- Уметь реализовывать все шаги проверки статистических гипотез.
- Применять параметрические статистические критерии для проверки гипотез.
- Применять непараметрические статистические критерии для проверки гипотез.
- Построить уравнение линейной регрессии с использованием метода наименьших квадратов.
- Оценивать качество модели линейной регрессии с помощью релевантных метрик.
- Решать задачу классификации с использованием логистической регрессии и KNN.
- Оценивать качество модели классификации с помощью релевантных метрик.
Содержание учебной дисциплины
- Введение в инструменты.
- Введение в статистику. Базовые манипуляции с данными.
- Типы данных. Создание новых переменных.
- Генеральная совокупность и выборка. Частотные таблицы и распределения.
- Описательные статистики: меры центральной тенденции и разброса.
- Z-оценка. Выбросы.
- Корреляция.
- Введение в визуализацию данных.
- Продвинутая визуализация данных.
- Введение в тестирование гипотез. Непараметрические критерии.
- Параметрические критерии для проверки гипотез.
- Линейная регрессия.
- Логистическая регрессия.
- Введение в машинное обучение.
- Визуализация данных
- Введение в инструменты
- Решение задачи регрессии
Элементы контроля
- Активность• Выставляется на основе средней оценки за 6 практик в SMART LMS. Учитывается только при подключении к семинару. На решение дается неделя с момента открытия во время семинара. Оценивается первая попытка сдачи.
- Контрольная работа• Проходит онлайн во время семинаров. Формат независимого экзамена. 120 минут. Во время проведения используется прокторинг: демонстрация экрана и камера.
- СР• Вас ожидает 5 самостоятельных работ. Самостоятельные работы проходят в начале занятия. В случае опоздания время не продлевается. Время одной самостоятельной работы от 20-25 минут. Во время проведения используется прокторинг: демонстрация экрана и камера.
- Проект• Выполняется в группах по 2-3 человека. Оценка выставляется по критериям. У проекта 2 этапа. Устная защита проекта на последнем занятии. Более подробную информацию можно найти в разделе "Проект" в SMART LMS.
Промежуточная аттестация
- 2026/2027 1st module0.25 * Контрольная работа + 0.25 * Активность + 0.25 * Проект + 0.25 * СР